بررسی شاخص های اعتبارسنجی خوشه بندی
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 3,874
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AEBSCONF01_064
تاریخ نمایه سازی: 6 آبان 1393
چکیده مقاله:
خوشه بندی یکی از رایج ترین تکنیک های داده کاوی و فرآیند بدون ناظر در دسته بندی داده ها است.هدف خوشه بندی قرار دادن داده های مشابه به هم در یک گروه است، بطوری که نمونه ها در یک خوشه بیشترین شباهت را با یکدیگر و بیشترین تفاوت را با نمونه ها درخوشه های دیگر داشته باشند، الگوریتم های خوشه بندی متعددی وجود دارد که نتایج بسیاری از الگوریتم های خوشه بندی وابسته به پارامترهای اولیه الگوریتم می باشد ، بنابراین ارزیابی نتایج خوشه بندی الگوریتم ها بسیار با اهمیت است ،در این راستا شاخص های اعتبارسنجی متعددی مطرح شده اما تاکنون هیج شاخص رسمی برای ارزیابی نتایج خوشه بندی بیان نشده است. در این مقاله ما مروری بر تعدادی از شاخص های مطرح شده خواهیم داشت و مزایا ومعایب آنها را بیان و سپس شاخص اعتبارسنجی جدیدی را مطرح خواهیم کرد که قادر است تعداد تخمینی دقیق تری از تعداد خوشه های بهینه برای مساله ما را مشخص نماید جهت اثبات این موضوع ما از 3 مجموعه داده واقعی سایت یادگیری ماشین UCI استفاده نموده ایم.
کلیدواژه ها:
خوشه بندی-داده کاوی – فرآیند بدون ناظر- شاخص های اعتبارسنجی
نویسندگان
امین رستمی
کارشناسی ارشد نرم افزار کامپیوتر- دانشگاه آزاد فردوس
مریم لشکری
کارشناسی ارشد نرم افزار کامپیوتر- دانشگاه آزاد فردوس
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :